凌晨 3 点被 200 条告警轰炸？用 Keep 三步控住你的 AIOps 告警

凌晨 3 点被 200 条告警轰炸用 Keep 三步控住你的 AIOps 告警【免费下载链接】keepThe open-source AIOps and alert management platform项目地址: https://gitcode.com/GitHub_Trending/kee/keep凌晨三点值班手机又震了Prometheus、Datadog、CloudWatch 里堆了两百多条告警真正的原因淹没在噪音里。AIOps 告警管理平台 Keep 就是为这种局面准备的它把各家监控工具的告警拉进同一个库里先去噪、再关联、然后自动处置让你看到的是 12 个值得处理的 incident而不是一屏幕通知。一条告警的旅程从接入到自动处置不按功能模块平铺跟着一条告警的流转顺序走一遍更直观。接入。Keep 通过 Provider 对接上百个监控、工单和协作工具告警可以走 webhook 推送也可以定时拉取。Prometheus 的规则告警、Datadog 的 monitor、CloudWatch 的 alarm格式各不相同但进 Keep 之后会被归一成统一的告警结构带上来源、服务、严重级别、指纹这些字段后面的去重和关联才有统一的操作面。告警、incident、工作流执行记录都落在同一个库里重启之后历史照样可查。去噪。去重发生在告警落库之前。部分去重用指纹字段比如 service 错误信息把同一个问题反复上报合并成一条全量去重则会丢弃完全相同的事件避免重复推送把系统压垮。每个 Provider 都自带一套默认去重规则开箱就能用指纹字段也可以按你的业务再调。配合维护窗口发布期间的告警还能直接静掉不打扰值班。关联分析。这是 AIOps 告警管理真正见效的地方。Keep 可以用 AI 自动把相关告警聚成一个 incident也可以自己写关联规则比如10 分钟内同一个服务的 critical Prometheus 告警加 high Datadog 告警算同一个事件。对自动关联结果不放心时还有半自动模式AI 只给分组建议人工点一下确认才成事。incident 名字支持用告警属性动态生成多条告警进来会自动合并不用手工改名。自动处置。关联完成后交给工作流按告警属性触发补充上下文往 Slack、Teams 发消息开 Jira 工单甚至重启服务都行。工作流就是一段 YAML可以版本管理、按代码重新部署用 AI 助手还能从一句自然语言生成初版改到满意再保存。Docker Compose 部署 Keep本地有 Docker 的话三条命令就能玩起来git clone https://gitcode.com/GitHub_Trending/kee/keep cd keep docker-compose up -d等几分钟浏览器打开http://localhost:3000就能进。默认的 compose 是免登录NO_AUTH想体验账号体系可以切到带认证的版本用默认账号 keep/keep 登录。后端 API 在 8080告警、工作流、密钥这些状态都写在./state目录重启时挂同一个目录就行。玩完docker-compose down全部带走想重来直接删掉 state 再启动。几个日常用得到的配置都在docker-compose.yml里配置项说明DATABASE_CONNECTION_STRING默认本地 SQLite体验够用生产建议指到 PostgreSQLOPENAI_API_KEY开启关联分析、自然语言工作流等 AI 能力KEEP_JWT_SECRETJWT 签名密钥启用账号登录时需要设置AUTH_TYPE默认 NO_AUTH 适合试用生产建议切换账号登录想带认证跑的话仓库里现成有docker-compose-with-auth.yml可以参考想把可观测链路也搭起来otel 版 compose 可以一起拉起来。接入 Prometheus 等监控系统接自己的监控工具路径都一样选 Provider → 填凭证 → 验证连通。在 Providers 页面挑你用到的工具Prometheus、Datadog、AWS CloudWatch 是出场率最高的三个按向导填必要信息API key 或端点地址。Prometheus 的 alertmanager 模式走 webhook 就能收甚至不用填密钥跑一次连通性测试再丢一条真实告警过去看它是否进了 Keep 的告警表、字段是否对得上。接入之后告警进来就是统一字段去重和关联规则可以直接复用不用为每家工具单独适配。同一个 Provider 还能用不同凭证建多份比如生产、预发各一套 Prometheus告警不会混在一起。支持的工具清单和各家的字段说明在 docs/providers/ 里。Helm 部署 Keep 到生产环境上集群推荐走 Helmhelm repo add keep https://keephq.github.io/helm-charts kubectl create ns keep helm install keep keep/keep -n keep后端建议多副本加弹性伸缩避免单点backend: replicaCount: 3 autoscaling: enabled: true minReplicas: 2 maxReplicas: 5监控接入 OpenTelemetry让 Keep 自己的健康状态也能进同一套可观测链路backend: env: - name: OTEL_EXPORTER_OTLP_ENDPOINT value: http://otel-collector:4317 - name: OTEL_SERVICE_NAME value: keep-backend数据库记得开持久化并换成独立 PostgreSQL。要对外提供访问的话在集群里装 ingress-nginx 做 TLS 终结。上线前把默认密码改掉、HTTPS 开起来、按角色配好 RBAC 权限细节可以看 docs/deployment/。Keep 能扛住哪些场景大促容量问题——大促前 CPU、内存、数据库连接数容量告警同时炸开值班分不清先处理谁。Keep 怎么做——关联规则把这些容量告警归成同一个 incident并触发扩容与呼叫值班的工作流。结果——一整套事件对应一张工单第一响应不再靠人肉翻屏。微服务故障定位问题——核心服务挂了上下游依赖各自触发告警传播路径说不清。Keep 怎么做——服务拓扑图画出调用链并标出故障源服务关联分析指向根因组件。结果——值班能直接看到上游慢查询不用逐个服务猜。踩坑与调优速查提 issue 之前先自查这几个高频问题会更快症状排查命令容器起完但页面打不开docker-compose logs keep-backend3000 端口被占用docker-compose ps看前端容器状态某家 provider 告警不同步docker-compose logs keep-backend \| grep -i providerAI 功能没反应docker-compose config \| grep OPENAI看 key 是否传进去性能调优就抓四条数据库换成独立 PostgreSQL给常查的告警字段加索引开 Redis 缓存加速告警列表和检索查询调大告警批量入库的批次减少逐条写的数据库压力把非关键的富化动作挪到异步队列主链路保持快文档与源码去哪找官方文档在 docs/从概念、部署到各 provider 细节都有Provider 源码在 keep/providers/每家工具一个目录加新集成照着现有例子写现成的工作流 YAML 在 examples/workflows/通知、开工单类很多可以直接抄部署章节 docs/deployment/ 给了 Docker、Kubernetes 和认证三套方案Keep 用 AIOps 告警管理把几十家工具的噪音收敛成少数可处理的 incident所有配置都能写成代码、进版本库、随时回滚。接下来可以试试在测试机用 Docker Compose 部署接上 Prometheus 看统一告警表给团队噪音最大的通道加一条去重规则从 examples/workflows/ 抄一条工作流把 Slack 通知接上【免费下载链接】keepThe open-source AIOps and alert management platform项目地址: https://gitcode.com/GitHub_Trending/kee/keep创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考